买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏警官学院申请的专利一种基于三角结构融合节点特征和网络拓扑的社区发现方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116226549B 。

龙图腾网通过国家知识产权局官网在2025-07-15发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310224956.9，技术领域涉及：G06F16/9536；该发明授权一种基于三角结构融合节点特征和网络拓扑的社区发现方法是由高光亮;梁广俊;袁明;王群设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本一种基于三角结构融合节点特征和网络拓扑的社区发现方法在说明书摘要公布了：本发明公开了一种基于三角结构融合节点特征和网络拓扑的社区发现方法，包括下列步骤：步骤S1、基于闭合三角结构融合节点特征和网络拓扑的高阶信息定义了一个质量指标；步骤S2、根据节点特征和网络拓扑的低阶信息制定了两级正则化约束项；步骤S3、组合所提指标和约束项作为优化目标函数并从局部视角制定算法优化以确定每个节点的非重叠和重叠社区归属。本发明既提升每个社区的拓扑紧密性，又提升每个社区的特征一致性，从而能有效缓解由单纯优化质量指标引起的不平衡社区问题，本方法找到的社区结构更加准确合理。

本发明授权一种基于三角结构融合节点特征和网络拓扑的社区发现方法在权利要求书中公布了：1.一种基于三角结构融合节点特征和网络拓扑的社区发现方法，其特征在于：包括下列步骤： 步骤S1、基于闭合三角结构融合节点特征和网络拓扑的高阶信息定义了一个质量指标； 步骤S2、根据节点特征和网络拓扑的低阶信息制定了两级正则化约束项； 步骤S3、组合所提指标和约束项作为优化目标函数并从局部视角制定算法优化以确定每个节点的非重叠和重叠社区归属； 所述步骤S1中包括，任意给定一个节点υi和一个社区Ck，具体定义质量指标WCC*υi，Ck如下： 其中，NC是由节点υi的邻居节点和社区Ck内的节点构成的集合，tfυi，Ck表示υi和Ck内节点构成的特征和拓扑三角形个数，tfυi，NC表示υi和NC内节点构成的特征和拓扑三角形个数，υtfυi，NC表示NC内能够和υi组成至少一个特征或拓扑三角形的节点个数，|Ck-{υi}|表示排除节点υi后社区Ck的大小； 所述步骤S2制定的两级正则化约束项中，第一个正则化项通过考虑节点之间的连接强度来提升每个社区的拓扑紧密性；任意给定一个节点υi和一个社区Ck，定义第一级约束如下： 其中，di表示υi的度，即该节点的连边数，|Ck|表示Ck的大小，表示社区Ck内节点υi和vj之间是否存在一条边缘，若存在则反之则为0，νi与Ck内越多节点相连，越大；通过最大化Tυi，Ck，加入到Ck的节点将强化社区的拓扑紧密性； 所述步骤S2制定的两级正则化约束项中，第二个正则化项通过考虑节点之间的特征差异来提升每个社区的特征一致性；任意给定一个节点υi和一个社区Ck，定义第二级约束如下： 其中，p表示节点的特征个数，|Ck|表示Ck的大小，fi和fj分别表示节点υi和υj的特征向量，|fi-fj|表示节点υi和υj的特征向量之间的差异，值越小，节点的特征越相似；通过最小化Hυi，Ck，加入到Ck的节点将强化社区的特征一致性； 所述步骤S3建立局部学习框架，通过将质量指标与两级正则化相结合，组合所提指标和约束项作为优化目标函数，最大化的目标函数定义如下： 基于这一效用函数，节点υi的社区标签从k更新到k′的效用增益Δuik→ik′被量化，据此制定社区发现的局部学习框架，步骤S3的流程包括，输入网络，进行初始化，对应社区发现的局部学习框架的流程，之后判断轮次是否达到设定阈值，如果达到则输出相应社区结构，否则返回社区发现的局部学习框架的阶段1循环运行，直至轮次达到设定阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏警官学院，其通讯地址为：210000 江苏省南京市浦口区石佛寺三宫48号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。